Keras Tuner调用get_best_hyperparameters与get_best_models返回空列表求助

以下是针对问题的排查和解决步骤：

• 验证目标指标与训练配置匹配
  确保初始化Tuner时的objective参数，和模型编译时指定的metrics、以及tuner.search()传入的验证数据逻辑一致：

  • 若objective设为val_accuracy，必须在tuner.search()中传入验证集（validation_data或validation_split），否则无验证指标可用于筛选最优结果；
  • 模型编译时要包含对应指标，比如model.compile(metrics=['accuracy'])，确保训练过程中会输出该指标数据。
    示例正确初始化代码：

  tuner = RandomSearch(
      build_model,
      objective='val_accuracy',
      max_trials=10,
      directory='tuner_logs',
      project_name='my_tuning'
  )
  # 搜索时必须传入验证数据
  tuner.search(x_train, y_train, epochs=20, validation_split=0.2)
  

• 检查搜索结果的存储与权限
  查看Tuner指定的directory和project_name路径下，是否生成了keras_tuner相关的日志文件（如JSON、CSV）。如果没有，可能是程序无该目录的读写权限，需调整目录权限或更换存储路径。

• *修正get_best_方法的调用参数
  调用get_best_hyperparameters时需指定num_trials参数（版本不同默认值可能有差异），比如：

  best_hps = tuner.get_best_hyperparameters(num_trials=1)
  

  而get_best_models需确保搜索过程中模型被正确保存，若使用带早停的调优器（如Hyperband），初始化时需确认save_best_model=True（默认开启）。

• 重新加载Tuner实例
  若在同一脚本中搜索后直接调用方法出现异常，可尝试重新初始化Tuner并加载已有结果：

  tuner = RandomSearch(
      build_model,
      objective='val_accuracy',
      max_trials=10,
      directory='tuner_logs',
      project_name='my_tuning'
  )
  tuner.reload()  # 加载已完成的搜索记录
  best_hps = tuner.get_best_hyperparameters(num_trials=1)
  best_model = tuner.get_best_models(num_models=1)
  

• 排查回调函数的冲突
  若训练时使用了EarlyStopping回调，需确保其monitor参数与Tuner的objective一致，比如：

  from tensorflow.keras.callbacks import EarlyStopping
  stop_early = EarlyStopping(monitor='val_accuracy', patience=5)
  tuner.search(x_train, y_train, epochs=20, validation_split=0.2, callbacks=[stop_early])
  

  避免因早停监控的指标不匹配，导致最优模型未被记录。

内容的提问来源于stack exchange，提问作者Anonymous